细粒度隐私策略和移动应用行为一致性检查方法

    公开(公告)号:CN114282261B

    公开(公告)日:2024-07-02

    申请号:CN202111509561.0

    申请日:2021-12-10

    Abstract: 本发明公开了一种细粒度隐私策略和移动应用行为一致性检查方法,步骤1、抽取与解析移动应用程序的隐私策略关键信息;步骤2、使用静态数据流进行数据分析,通过分析数据的流向来判断从特定来源的数据是否最终流向特定的终点;步骤3、在条件判断语句处插桩;步骤4、寻找从图形界面到被插入位置的数据流,用于判断用户的选择能否干预数据的泄露,对比隐私策略的完成隐私策略和移动应用行为一致性检查等级描述。与现有技术相比,本发明能够判断Android移动应用程序的行为及其隐私策略是否具有一致性,识别用户在使用移动应用程序时出现的隐私泄露情况,帮助用户了解移动应用程序对数据的使用情况,进而更大程度地保护用户的隐私数据。

    细粒度隐私策略和移动应用行为一致性检查方法

    公开(公告)号:CN114282261A

    公开(公告)日:2022-04-05

    申请号:CN202111509561.0

    申请日:2021-12-10

    Abstract: 本发明公开了一种细粒度隐私策略和移动应用行为一致性检查方法,步骤1、抽取与解析移动应用程序的隐私策略关键信息;步骤2、使用静态数据流进行数据分析,通过分析数据的流向来判断从特定来源的数据是否最终流向特定的终点;步骤3、在条件判断语句处插桩;步骤4、寻找从图形界面到被插入位置的数据流,用于判断用户的选择能否干预数据的泄露,对比隐私策略的完成隐私策略和移动应用行为一致性检查等级描述。与现有技术相比,本发明能够判断Android移动应用程序的行为及其隐私策略是否具有一致性,识别用户在使用移动应用程序时出现的隐私泄露情况,帮助用户了解移动应用程序对数据的使用情况,进而更大程度地保护用户的隐私数据。

    基于GGNN和分层注意力网络的Java漏洞检测定位方法

    公开(公告)号:CN114238100B

    公开(公告)日:2024-08-02

    申请号:CN202111509563.X

    申请日:2021-12-10

    Abstract: 本发明公开了一种基于GGNN和分层注意力网络的Java漏洞检测定位方法,主要包括漏洞数据集构造、数据集预处理、模型设计与训练、模型测试与评估。首先总结了当前领域内使用的数据集并设计收集了后续模型训练的自制数据集;然后对数据集进行数据预处理工作,以获得代码的初级表征并可使其作为后续模型的输入;接着使用预处理后的数据训练自定义的漏洞检测模型;最后,训练好的模型可以处理测试的数据集,并给出测试评估。与现有技术相比,本发明本发明实现了利用DL算法(优化算法)的图神经网络模型进行漏洞检测,缓解了该类研究缺乏数据集、可解释性差、生成代码图结构困难的问题。

Patent Agency Ranking